当前位置:首页 > PHP教程 > php高级应用 > 列表

php curl实现多线程抓取网页并同时下载图片

发布:smiling 来源: PHP粉丝网  添加日期:2018-10-28 19:58:37 浏览: 评论:0 

php语言本身不支持多线程,所以开发爬虫程序效率并不高,借助Curl Multi 它可以实现并发多线程的访问多个url地址。用 Curl Multi 多线程下载文件代码:

代码1:将获得的代码直接写入某个文件

  1. <?php 
  2. $urls =array(   
  3.  'http://www.phpfensi.com/',   
  4.  'http://www.baidu.com/',   
  5. );// 设置要抓取的页面URL   
  6.       
  7. $save_to='test.txt';  // 把抓取的代码写入该文件    
  8.     
  9. $st =fopen($save_to,"a");   
  10. $mh = curl_multi_init();    
  11.     
  12. foreach ($urls as $i =>$url) {   
  13.   $conn[$i] = curl_init($url);   
  14.   curl_setopt($conn[$i], CURLOPT_USERAGENT,"Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.0)");   
  15.   curl_setopt($conn[$i], CURLOPT_HEADER ,0);   
  16.   curl_setopt($conn[$i], CURLOPT_CONNECTTIMEOUT,60);   
  17.   curl_setopt($conn[$i], CURLOPT_FILE,$st);// 设置将爬取的代码写入文件   
  18.   curl_multi_add_handle ($mh,$conn[$i]);   
  19. }// 初始化   
  20.       
  21. do {   
  22.   curl_multi_exec($mh,$active);   
  23. }while ($active); // 执行   
  24.       
  25. foreach ($urls as $i =>$url) {   
  26.   curl_multi_remove_handle($mh,$conn[$i]);   
  27.   curl_close($conn[$i]);   
  28. }// 结束清理   
  29.       
  30. curl_multi_close($mh);   
  31. fclose($st); 
  32. ?> 

代码2:将获得的代码先放入变量,再写入某个文件

  1. <?php 
  2. $urls =array(   
  3.  'http://m.phpfensi.com/',   
  4.  'http://www.phpfensi.com/',   
  5.  'http://www.163.com/'  
  6. );   
  7.     
  8. $save_to='/test.txt';  // 把抓取的代码写入该文件   
  9. $st =fopen($save_to,"a");   
  10.     
  11. $mh = curl_multi_init();   
  12. foreach ($urls as $i =>$url) {   
  13.   $conn[$i] = curl_init($url);   
  14.   curl_setopt($conn[$i], CURLOPT_USERAGENT,"Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.0)");   
  15.   curl_setopt($conn[$i], CURLOPT_HEADER ,0);   
  16.   curl_setopt($conn[$i], CURLOPT_CONNECTTIMEOUT,60);   
  17.   curl_setopt($conn[$i],CURLOPT_RETURNTRANSFER,true); // 设置不将爬取代码写到浏览器,而是转化为字符串   
  18.   curl_multi_add_handle ($mh,$conn[$i]);   
  19. }   
  20.     
  21. do {   
  22.   curl_multi_exec($mh,$active);   
  23. }while ($active);   
  24.       
  25. foreach ($urls as $i =>$url) {   
  26.   $data = curl_multi_getcontent($conn[$i]);// 获得爬取的代码字符串   
  27.   fwrite($st,$data); // 将字符串写入文件。当然,也可以不写入文件,比如存入数据库   
  28. }// 获得数据变量,并写入文件   
  29.     
  30. foreach ($urls as $i =>$url) {   
  31.   curl_multi_remove_handle($mh,$conn[$i]);   
  32.   curl_close($conn[$i]);   
  33. }   
  34.     
  35. curl_multi_close($mh);   
  36. fclose($st);  
  37. ?> 

curl抓取网页中文乱码的解决方法

function ppost($url,$data,$ref){ // 模拟提交数据函数

$curl = curl_init(); // 启动一个CURL会话

curl_setopt($curl, CURLOPT_URL, $url); // 要访问的地址

curl_setopt($curl, CURLOPT_SSL_VERIFYPEER, 0); // 对认证证书来源的检查

curl_setopt($curl, CURLOPT_SSL_VERIFYHOST, 1); // 从证书中检查SSL加密算法是否存在

curl_setopt($curl, CURLOPT_USERAGENT, $_SERVER['HTTP_USER_AGENT']); // 模拟用户使用的浏览器

curl_setopt($curl, CURLOPT_FOLLOWLOCATION, 1); // 使用自动跳转

curl_setopt($curl, CURLOPT_REFERER, $ref);

curl_setopt($curl, CURLOPT_POST, 1); // 发送一个常规的Post请求

curl_setopt($curl, CURLOPT_POSTFIELDS, $data); // Post提交的数据包

curl_setopt($curl, CURLOPT_COOKIEFILE,$GLOBALS ['cookie_file']); // 读取上面所储存的Cookie信息

curl_setopt($curl, CURLOPT_COOKIEJAR, $GLOBALS['cookie_file']); // 存放Cookie信息的文件名称

curl_setopt($curl, CURLOPT_HTTPHEADER,array('Accept-Encoding: gzip, deflate'));

curl_setopt($curl, CURLOPT_ENCODING, 'gzip,deflate');这个是解释gzip内容.................

curl_setopt($curl, CURLOPT_TIMEOUT, 30); // 设置超时限制防止死循环

curl_setopt($curl, CURLOPT_HEADER, 0); // 显示返回的Header区域内容

curl_setopt($curl, CURLOPT_RETURNTRANSFER, 1); // 获取的信息以文件流的形式返回

$tmpInfo = curl_exec($curl); // 执行操作

if (curl_errno($curl)) {
echo 'Errno'.curl_error($curl);
}
curl_close($curl); // 关键CURL会话
return $tmpInfo; // 返回数据
}

Tags: curl 多线程 抓取网页

分享到: